分布式系统中常见技术解决的问题是什么?

2018 年 4 月 10 日 架构文摘 Charles

引言

在分布式系统中，经常会碰到的技术名词一般有Replication、Partition、Consensus、Transaction等等，这些技术在分布式系统设计中都是非常重要的，本文通过对分布式系统的Reliability、Scalability和Maintainability特性的讨论，描述这些技术解决的问题。

Reliability

Reliability，指的是在任何情况下，系统正常工作的能力。如果一个系统在发生任何异常时，都能正常的工作，那么系统是完全可靠的。现实中，异常种类很多，有的往往难以事先避免，因此，了解可能的异常并分析如何在异常发生时快速恢复是非常重要的。一般地，异常包括硬件异常，软件异常和人为异常。

硬件异常

硬件异常种类很多，硬盘，电源等任意一个部件的损坏，都可能导致服务器不能正常的工作。通常这类异常难以避免，但是，我们可以通过一些技术手段来实现异常发生后的快速恢复，不管是从软件角度还是硬件角度，基本的解决思路都是冗余。从硬件角度来讲，我们可以通过单机冗余多份硬件，当其中某个硬件发生异常时，可以快速地用好的硬件替换掉故障的硬件，这种方式的硬件冗余对于数据中心级的故障是没有作用的；从软件角度来讲，我们可以通过多副本(Replication)来实现快速恢复，当某台服务器硬件异常时，可以在软件层面将流量导入到新的副本上(实际上也有硬件冗余，但这种方式更为灵活)，除了Replication之外，有时候为了减少单台服务器故障对所有用户的影响，可以对用户数据做Partition，单台服务器只存某一部分用户的数据，这样单机故障就只会影响一部分用户了。引入Replication后，如何保证多副本的数据的一致性又成了一个问题(Consensus)，Paxos和Raft算法就是为了解决这类问题。

软件异常

软件异常一般指的是系统的bug，这里面不仅包括自己写的系统的bug，也包括依赖的服务系统的bug。软件异常同样也是不能完全避免的，因此，在发生软件异常时，也需要有快速恢复的手段，通常有三种方法：

1. 通过调整软件已有的配置参数，规避问题

2. 重启软件或者依赖的服务，消除异常状态

3. 直接修复bug，并升级版本

在没有发生致命性问题时，一般采用方法1或2来恢复，当发生的问题比较严重，并且没有已知的方法能绕过时，一般才使用方法3，方法3本身风险也是比较大的，因为修复bug的同时可能会产生新的bug。

人为异常

不管是软件本身，还是软件所运行的服务器，都是由人来管理的，但人是会犯错误的，有时候会执行错误的命令导致系统不能正常工作，其中比较致命的错误可能就是删掉某台服务器的数据了，在这种情况下为了能快速地恢复，通常也是采用Replication的思路，来避免问题。

Scalability

系统的工作负载通常不是一成不变的，当工作负载增加时，往往可以通过增加机器资源来保持性能不变，而需要增加机器数量的多少是由系统的扩展性来决定的，扩展性越好的系统，需要增加的机器资源越少。最完美的扩展性是线性扩展性，即工作负载扩大为原来N倍的时候，只需要加N倍的机器，就能够保持性能不变，最差的扩展性则是没有扩展性，即工作负载扩大为原来N倍时，即使加再多的机器，也无法保持性能和原来一样。

对于不同的系统，负载所代表的含义通常是不一样的，对于基础架构系统，通常每秒读和每秒写的次数，对于业务系统，通常有自己的指标，例如每秒交易创建的笔数。同样地，对于不同的系统，其使用的性能指标通常也是不相同的，对于批处理系统，通常强调的是吞吐量，即每秒完成的任务数量，而对于在线处理系统，通常强调的是响应时间。

在明确一个系统的工作负载指标和性能指标之后，我们才能讨论在该系统下如何实现扩展。扩展通常是两种思路，一是垂直扩展，即使用更好的机器替换现有的机器，二是水平扩展，即使用更多的机器。

对于垂直扩展，其优点是对业务是无影响的，缺点是更好的机器是很贵的，通常是一分钱一分货，而十分钱只能买到两分货，且现实中总有单机装不下的数据量，此时垂直扩展自然就无法实施了。

对于水平扩展，通常需要软件层面的配合，对于无状态的系统，通常只要在新加的机器上部署上需要扩展的系统，而对于有状态的系统，一般指的是存储系统，通常会将数据分成Partition（分区），这样新加的机器才能通过迁移Partition的方式，从老的机器上迁移数据以及对应的工作负载出来。水平扩展的优点是使用的都是相对廉价的服务器，能节约成本，但在软件层面需要做大量的工作，包括Partition的管理，迁移，负载均衡等等。

Maintainability

可维护性的好坏决定了系统是否能够长久的发展，一个可维护性不好的系统，会给运维和开发人员带来很多不便。对于运维人员来讲，可维护性指的是系统是否支持常用的运维手段，良好的文档等等。而对于开发人员来讲，主要分为内核开发以及使用该系统的业务开发，对于业务开发，维护性指的是系统是否有良好的接口，方便业务使用，例如，Transaction就是底层系统提供给业务的一种接口，它保证了在一个事务中执行的语句具有ACID性质，从而业务只需要关注业务逻辑的开发，而不需要关心底层的具体实现；对于内核开发，维护性指的是系统的代码质量，主要包括代码的可阅读性和是否易于修改，主要和系统内核开发人员的代码设计能力相关。

总结

为了能达到较好的可靠性(Reliability)、可扩展性(Scalability)和可维护性(Maintainability)，分布式系统设计中通常会使用多副本(Replication)、数据分区(Partition)、一致性算法(Consensus)、事务(Transaction)等技术，理解它们要解决的问题，深入了解每种技术背后可能的实现方案，有助于评价某个系统的设计好坏，这对于多个竞品系统的选型和深入学习系统原理都是非常有必要的。